Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Addressing Regulatory Gaps: Comprehensive Residue Survey & Risk Assessment for the Specialty Crop Ziziphus mauritiana Lam. in Hainan and Guangdong, China.

Journal of food protection·2026
Same author

Targeted Metabolomics Combined with OPLS-DA to Analyze the Differences in Phenolic Compounds in Wampee.

Foods (Basel, Switzerland)·2026
Same author

Biomass Hydrogel for Wound Dressings: Design, Functionalization and Application.

Small (Weinheim an der Bergstrasse, Germany)·2026
Same author

Rational Creation of the Second Xe-Matched Adsorption Site in a Covalent Organic Framework via a Digging-Patching Strategy for Simultaneously Boosting Xe Uptake and Xe/Kr Selectivity.

Journal of the American Chemical Society·2026
Same author

Reliable WSe<sub>2</sub> Memristors Enabled by van der Waals Electrode Integration for Advanced Reservoir Computing and Nociceptive Receptors.

ACS applied materials & interfaces·2026
Same author

Twin contrastive interventional-cause hashing for unsupervised cross-modal retrieval.

Neural networks : the official journal of the International Neural Network Society·2026

関連する実験動画

Updated: Sep 10, 2025

Constructing and Visualizing Models using Mime-based Machine-learning Framework
06:19

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

634

生物医学画像分類におけるワンショット学習と解釈可能性のための大規模なマルチモデルの評価

Wenpin Hou1, Qi Liu1, Huifang Ma2

  • 1Department of Biostatistics, The Mailman School of Public Health, Columbia University, New York 10032, NY, USA.

Advanced intelligent systems (Weinheim an der Bergstrasse, Germany)
|August 21, 2025
PubMed
まとめ

大型マルチモダルモデル (LMM) は,生物医学画像分類において有望であり,従来の方法よりも一発学習と解釈性を向上させています. これらの高度なAIモデルは 研究や診断のために組織や細胞や病気を分析するのに役立ちます

キーワード:
バイオメディカル画像画像の分類大型言語モデル大型マルチモダルモデル機械学習

さらに関連する動画

Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology
09:44

Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology

Published on: March 8, 2024

5.0K
A Multimodal Imaging Framework to Advance Phenotyping of Living Label-free Breast Cancer Cells
10:37

A Multimodal Imaging Framework to Advance Phenotyping of Living Label-free Breast Cancer Cells

Published on: August 22, 2025

163

関連する実験動画

Last Updated: Sep 10, 2025

Constructing and Visualizing Models using Mime-based Machine-learning Framework
06:19

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

634
Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology
09:44

Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology

Published on: March 8, 2024

5.0K
A Multimodal Imaging Framework to Advance Phenotyping of Living Label-free Breast Cancer Cells
10:37

A Multimodal Imaging Framework to Advance Phenotyping of Living Label-free Breast Cancer Cells

Published on: August 22, 2025

163

科学分野:

  • 生物医学画像分析
  • 医療における人工知能
  • 計算生物学

背景:

  • 画像分類は生物医学研究と臨床診断に不可欠です
  • 伝統的な方法は,しばしば広範なデータセットを必要とし,解釈能力が欠けている.

研究 の 目的:

  • 生物医学画像分類のための大型マルチモダルモデル (LMM) の有効性を評価する.
  • 伝統的な単一モデルのアプローチとLMMを比較する.

主な方法:

  • GPT-4のような大型マルチモダルモデル (LMM) を画像分類作業に使用した.
  • 組織,細胞タイプ,疾患状態を含む多様な生物医学画像データセットにLMMを適用した.

主要な成果:

  • LMMは,ワンショット学習と汎用化能力で強いパフォーマンスを示しました.
  • テキスト主導の分類と解釈の強化がLMMで観察されました.
  • LMMは大規模なデータセットを必要とする 伝統的な方法よりも優れた性能を 発揮しました

結論:

  • 大規模なマルチモダルのモデルは,生物医学画像分類における重要な進歩を表しています.
  • LMMは,生物学的研究と臨床応用において,より解釈しやすく,データ効率の高い代替手段を提供している.